MétaCan
Menu
Retour à la cohorte
Enregistrement W4321105925 · doi:10.1080/09575146.2023.2179023

Professionalization in early childhood education: how do educators craft their work?

2023· article· en· W4321105925 sur OpenAlexaffabout
Janine Hostettler Schärer

Notice bibliographique

RevueEarly Years Journal of International Research and Development · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésCraftProfessionalizationEarly childhoodWork (physics)Early childhood educationProfessional developmentPedagogyPsychologyJob satisfactionMedical educationCollegialityChild careSociologyPublic relationsSocial psychologyMedicineNursingPolitical scienceEngineeringDevelopmental psychologySocial science

Résumé

récupéré en direct d'OpenAlex

Job crafting offers an exciting way to understand how people engineer their jobs to create more meaningful work. Work is meaningful if workers perceive their work as significant and serving an important purpose. To examine how four early childhood educators individually and collaboratively craft their work, the study reported here examines data from a case study in a Canadian daycare centre collected over a 16-month period by participating in theory/practice inquiry meetings and individual educator interviews. Educators develop an individual understanding of their job’s requirements, individual beliefs and values but also acquire a shared understanding as they collaboratively craft their work in daily informal discussions. Explicit collaborative job crafting could contribute to professional development and improved job satisfaction for Early Childhood Education and Care practitioners. To develop an explicit collaborative understanding of their profession co-workers and supervisors need enabling working conditions such as opportunities and support for professional knowledge sharing, professional reflection, continuous training, and therefore ongoing professional development.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,260
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,052
Tête enseignante GPT0,384
Écart entre enseignants0,332 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEarly Years Journal of International Research and DevelopmentMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207